[思路] 对道客巴巴文档网站加密文件逆向分析，wasm直接获取文本

背景介绍

网址：aHR0cHM6Ly93d3cuZG9jODguY29tLw==

某文档网站使用加密的文件格式渲染文字，清晰度极高，且可以选中，故猜测数据包中含有文字信息。

可以看到当页面渲染完毕后是一个单纯的canvas画布

删除网络记录，进入下一个页面，查看调用的包，可以看到ebt格式的请求

关键js为wmu.js

调试过程

进入wmu.js，共5610行，给发送ebt请求的位置下一个断点

断住后可以看到作用域里_kY即是网址位置，搜索定位该位置，可以看到发送请求函数

可以看到，接下来请求获取的response被扔进了一个二进制object Blob，这一段在node里直接用fs库即可，_6H又被放进了_q1[0]里，追_q1即可

可以看到new了一个FileReader对象，FileReader需要先readAsXXX才能onload，所以继续往下搜索，可以看到就是_6H而已，赋值了个寂寞。

接下来是一段参数的赋值，但是_I8并未定义

搜索发现是前面的_k1 == "initHeader"才会触发的一段初始代码，好吧，下断点，重新刷新页面。

不难发现，其实这儿的代码差别不大，应该是一段初始时的代码，那我们先看这一段就可以了。

可以看到，这里需要Module._malloc，我也不会wasm，所以前面所有生成函数都给扣到js里了，1100多行，还好。

载入wasm的地方看一下，后面全是。

那只能全扣进去了，最终还是把5000多行代码扔到了js里。不过wasm文件加载的地方肯定要换成自己的本地文件。

下个断点，看看他是如何载入wasm的，其实都是标准的wasm引入流程，自带nodejs环境的加载，那我直接把文件地址改成wmu.wasm即可

运行发现有一个H5的api，postMessage，随便定义一个console.log先试试，发现成功运行初始化

那么继续扣init里的代码，先看看能不能成功生成_wC，发现没有什么问题

涉及到postmessage地方都不管，是js间通信用的，主要初始化数据就是这两个，扣进代码

我们来整体看看这段调用到底在做什么？

initHeader和后续多个getPage对应的内容即为总的一个ebt后其他分页ebt

代码编写

首先，构造initHeader函数，用于初始化初始ebt

然后构造getPage函数，用于获取后续文字，其中_H0是当前页码

然后简单的合并以下看看。

成功获取当页文字。

总结

其实没有什么混淆之内的，写的很清晰，主要是我不懂wasm这一类东西，之前几个网站涉及wasm都直接尝试找到wasm调用失败时的js加密代码（很有效）。

问题与展望

1.这里面的函数都是异步，包括扣下来的createWasm，套了不少异步.then来初始化wasm。但是python execjs调用js似乎不能等待异步完成。如何解决这一问题呢？之前我写的都是在最后一个.then开一个端口，写了一个简单的网络接口来与python传递信息，虽然能用但不是什么好方法，如何做呢。
2.现在的文字有些乱，因为网页生成画布同时利用了ebt中的文字和文字位置信息，是否可以利用生成的文字和文字位置，生成可复制pdf。

注：若转载请注明大神论坛来源（本贴地址）与作者信息。